Mikrofon, dessen Schallwellen als Text in das Eingabefeld eines Chats fließen

Diktieren mit Live-Text im Chat

Seit dem 19. November 2026 schreibt das Mikrofon im ChatX-Eingabefeld mit, während du sprichst. Du siehst jedes Wort etwa eine halbe Sekunde nach dem Aussprechen und musst nicht mehr auf das Ende der Aufnahme warten. Wir zeigen, wie das Diktat funktioniert, was es kostet und wie du saubere Texte bekommst.

Was sich am Mikrofon geändert hat

Bisher lief das Diktat in zwei Schritten. ChatX nahm auf, bis du auf Stopp getippt hast. Erst danach wurde die Aufnahme umgewandelt und der ganze Text erschien auf einmal. Bei langen Gedanken hast du also lange ins Leere gesprochen und erst am Ende gesehen, ob alles richtig ankam.

Jetzt läuft das Mikrofon über GPT Live Transcribe, ein Spracherkennungsmodell von OpenAI für gesprochene Sprache in Echtzeit. OpenAI hat es am 28. Juli 2026 vorgestellt und nennt auf echten Aufnahmen eine Fehlerquote von 9,6 Prozent. Das ältere Whisper kommt in derselben Messung auf 15,2 Prozent. Für dich heißt das: Der Text entsteht live im Eingabefeld und du kannst sofort sehen, ob ein Wort falsch erkannt wurde.

So diktierst du

  1. Mikrofon antippen: Das Symbol sitzt rechts im Eingabefeld neben dem Senden-Knopf. Beim ersten Mal fragt dein Browser nach der Freigabe für das Mikrofon.
  2. Kurz warten: Im Feld steht „Verbindung wird aufgebaut …“. Sobald der Knopf rot pulsiert, hört ChatX zu. Das dauert meist rund eine Sekunde.
  3. Sprechen: Die Wörter erscheinen nacheinander im Feld. Satzzeichen setzt das Modell selbst.
  4. Senden oder bearbeiten: Mit Enter oder dem Senden-Knopf beendest du das Diktat und schickst den Text direkt ab. Willst du vorher noch etwas ändern, tippst du erneut auf das Mikrofon und bearbeitest den Text danach ganz normal.

Während das Mikrofon läuft, ist das Feld gegen Tippen gesperrt. So überschreiben sich Diktat und Tastatur nicht gegenseitig.

Unser Test mit einem gesprochenen Absatz

Für den Test haben wir einen kurzen deutschen Satz über ein simuliertes Mikrofon abgespielt:

Willkommen zurück auf meinem Kanal! Heute zeige ich euch drei einfache Tricks, mit denen eure Zimmerpflanzen endlich nicht mehr eingehen.

Jedes Wort stand rund eine halbe Sekunde nach dem Aussprechen im Feld. Auch zusammengesetzte Wörter wie „Zimmerpflanzen“ kamen richtig an. Am Ende stand der Satz fehlerfrei mit Punkt und Komma da, nur das Ausrufezeichen wurde zu einem Punkt. Die Aufnahme dauerte rund zwölf Sekunden.

Tipps für saubere Diktate

  • Erst sprechen, wenn der Knopf rot ist: Was du während des Verbindungsaufbaus sagst, kommt noch nicht an.
  • In ganzen Sätzen sprechen: Kurze Pausen zwischen den Sätzen helfen dem Modell bei den Satzzeichen.
  • Ruhige Umgebung: Ein Headset oder das Handy nah am Mund bringt deutlich weniger Fehler als ein Laptop-Mikrofon quer durch den Raum.
  • Namen und Fachwörter prüfen: Eigennamen und seltene Begriffe sind die häufigste Fehlerquelle. Kurz drüberlesen, dann senden.

Was ein Diktat verbraucht

ChatX rechnet das Diktat nach der Dauer ab, nicht nach der Zahl der Wörter.

Dauer Verbrauch
15 Sekunden (eine kurze Frage) rund 950 Token
1 Minute (ein längerer Absatz) rund 3.800 Token
10 Minuten (Höchstdauer) rund 37.800 Token

Auch Stille kostet, solange das Mikrofon offen ist. Deshalb stoppt das Diktat nach 20 Sekunden ohne Sprache von selbst. Ein Diktat dauert bei unseren Nutzern bisher im Schnitt rund 18 Sekunden.

Kurze Antworten auf häufige Fragen

Brauche ich ein Konto? Nein. Auch Gäste können diktieren, der Verbrauch geht dann vom täglichen Gast-Guthaben ab.

Was passiert, wenn das Live-Diktat nicht startet? Dann nimmt ChatX wie früher auf und wandelt den Text nach dem Stopp um. Du musst dafür nichts einstellen.

Ich habe schon eine fertige Aufnahme. Geht das auch? Dafür ist das Diktat nicht gedacht, aber es gibt passende Werkzeuge. Sprachmemos, Interviews oder Vorlesungen wandelst du mit Audio transkribieren in Text um. Für Videos erzeugt Untertitel erstellen fertige SRT- oder VTT-Dateien mit Zeitmarken. Ist die Aufnahme verrauscht, hilft es, vorher mit Stimme isolieren die Hintergrundgeräusche zu entfernen.

Geht es auch umgekehrt, von Text zu Sprache? Ja. Jede Antwort im Chat lässt sich über den Lautsprecher vorlesen. Längere eigene Texte machst du mit Text vorlesen lassen zur MP3-Datei.

Ist das dasselbe wie das Live-Gespräch? Nein. Beim Diktat wird nur deine Sprache zu Text. Das Live-Gespräch neben dem Mikrofon ist ein Gespräch mit gesprochenen Antworten der KI.

Probier es direkt im ChatGPT-Chat auf ChatX aus: Mikrofon antippen, warten bis es rot pulsiert und lossprechen.


Posted

in

by

Tags: